Cara Menerapkan AI di Bisnis: Mulai dari Diri Sendiri, Bukan dari Tim

Setiap kali saya ngobrol dengan pemilik bisnis soal AI, polanya mirip. Mereka sudah baca banyak, sudah lihat demo yang bikin melongo, dan sudah ambil satu keputusan: beli lisensi untuk semua tim, lalu umumkan di grup bahwa sekarang perusahaan sudah "pakai AI".

Tiga bulan kemudian, yang kepakai cuma beberapa orang. Sisanya balik ke cara lama. Lisensinya jalan terus tiap bulan.

Saya tidak bilang ini karena timnya malas atau tools-nya jelek. Masalahnya di urutan. Orang memulai dari tim, padahal yang paling masuk akal adalah memulai dari diri sendiri.

Tulisan ini adalah versi panjang dari materi yang biasa saya bawakan di sharing session. Isinya urutan yang menurut saya paling masuk akal untuk pemilik bisnis, plus dua alat bantu keputusan yang bisa langsung kamu pakai.

Kenapa Pemilik Bisnis Justru Kandidat Pengguna AI yang Bagus

Ini agak berlawanan dengan asumsi umum. Biasanya orang mengira yang paling cocok memakai AI duluan adalah tim yang paling teknis, atau yang paling muda, atau yang paling melek tools.

Menurut pengalaman saya justru pemilik bisnis punya keunggulan yang jarang disadari:

• Kamu melihat gambaran besarnya. Kamu tahu output sebuah pekerjaan itu nyambung ke mana.
• Kamu paham cara bisnisnya bekerja, jadi kamu bisa menilai apakah hasil AI itu masuk akal atau ngawur.
• Kamu tahu di mana masalahnya. Kamu tidak perlu survei internal untuk tahu proses mana yang bikin frustrasi.
• Kamu memang selalu mencari cara kerja yang lebih efisien. Itu bagian dari pekerjaan kamu.

Empat hal itu kebetulan persis area di mana AI berguna hari ini. AI payah kalau disuruh menentukan apa yang penting. AI lumayan kalau sudah dikasih tahu apa yang penting.

Jadi orang yang paling tahu apa yang penting sebaiknya jadi pengguna pertama, bukan pengguna terakhir.

Mulai dari Daftar Pekerjaan yang Tidak Ingin Kamu Kerjakan Lagi

Ini langkah pertama yang konkret, dan sengaja tidak melibatkan tools apa pun.

Ambil kertas. Tulis pekerjaan yang memenuhi dua syarat sekaligus: kamu paham betul cara mengerjakannya, dan kamu tidak menikmati mengerjakannya berulang-ulang.

Dua syarat itu bukan basa-basi. Syarat pertama penting karena kamu harus bisa menilai apakah hasil AI itu benar. Kalau kamu tidak paham pekerjaannya, kamu tidak akan sadar waktu AI mengarang. Syarat kedua penting karena motivasi kamu untuk bertahan melewati percobaan yang gagal datang dari rasa jengkel itu.

Daftar saya sendiri, waktu pertama kali melakukan ini:

1. Bikin laporan klien yang sifatnya non-strategis
2. Nulis proposal dan penawaran
3. Nyiapin laporan internal
4. Persiapan meeting
5. Kerjaan administratif

Setelah daftarnya ada, baru lihat di mana AI bisa masuk. Dan perhatikan bahwa ada tiga level bantuan yang berbeda, bukan satu:

• Menyelesaikan lebih cepat. Pekerjaannya tetap kamu yang pegang, AI cuma memangkas waktunya.
• Mengurangi kerja manual. Bagian yang membosankan diambil alih, bagian yang butuh kamu tetap kamu.
• Mengotomasi sebagian prosesnya. Ada langkah yang jalan tanpa kamu sentuh sama sekali.

Kebanyakan orang langsung lompat ke level ketiga. Padahal level pertama sudah memberi hasil nyata di minggu yang sama, dengan risiko hampir nol.

Empat Pertanyaan untuk Tahu Tugas Mana yang Siap

Setelah daftarnya panjang, pertanyaannya berubah jadi: yang mana dulu?

Ini empat pertanyaan yang saya pakai. Urutannya penting, dan begitu ada satu jawaban "tidak", kamu sudah tahu tindakannya.

Kalau keempatnya "ya", tugas itu siap kamu tes dengan AI.

Pertanyaan kedua adalah yang paling sering bikin orang berhenti sejenak, dan itu bagus. Banyak proses di perusahaan sebenarnya tidak pernah didefinisikan, cuma diwariskan. Waktu kamu mencoba menuliskannya untuk AI, kamu baru sadar prosesnya memang tidak jelas. Menemukan itu saja sudah untung, bahkan kalau ujungnya kamu tidak jadi pakai AI di situ.

Jangan Tanya Pekerjaan Apa yang Bisa Digantikan AI

Pertanyaan "pekerjaan apa yang bisa digantikan AI" itu pertanyaan yang salah, dan bukan cuma karena alasan sopan santun. Pertanyaan itu memang tidak bisa dijawab dengan berguna.

Satu jabatan berisi belasan tugas dengan karakter yang beda-beda. Sebagian sangat cocok untuk AI, sebagian sama sekali tidak. Kalau kamu menilai di level jabatan, kamu akan salah di dua arah sekaligus: kelewatan peluang yang gampang, sambil mengotomasi hal yang seharusnya tidak.

Pertanyaan yang lebih berguna: bagian mana dari pekerjaan ini yang siap untuk AI? Lalu pilih solusi yang paling sederhana yang cukup.

Keempatnya bisa berubah jadi aplikasi kalau tim kamu butuh interface sendiri, bukan jendela chat. Tapi itu keputusan terakhir, bukan pertama.

Tangga Eskalasi: Naik Kalau Sudah Terbukti

Ini kerangka yang paling sering saya pakai waktu menjelaskan urutan investasi. Anggap saja tangga. Setiap anak tangga lebih mahal, lebih permanen, dan lebih susah diubah dari yang di bawahnya.

Prinsipnya satu kalimat: jangan mulai dari yang mahal dan kaku, mulai dari yang murah dan gampang diubah.

Alasannya bukan soal hemat. Alasannya karena di awal kamu belum tahu apa yang sebenarnya berhasil. Anak tangga pertama dan kedua itu murah justru supaya kamu bebas salah berkali-kali. Begitu kamu bangun aplikasi di minggu kedua, kamu sudah mengunci asumsi yang belum teruji ke dalam sesuatu yang mahal untuk dibongkar.

Saya sendiri pernah melewati tangga ini untuk proses pengelolaan karyawan di Epilog. Mulai dari prompt template untuk tim HR, lalu pindah ke mengobrol langsung dengan coding agent untuk hal yang lebih rumit, dan akhirnya jadi tools internal yang dipakai tim. Yang perlu digarisbawahi: anak tangga terakhir itu baru masuk akal setelah dua anak tangga sebelumnya dipakai cukup lama sampai kami tahu persis apa yang harus dibangun.

AI Bukan Jawaban untuk Semuanya

Saya sengaja menaruh bagian ini setelah bagian tangga, bukan sebelumnya, supaya tidak terbaca sebagai alasan untuk tidak mulai.

Tapi kalau ada satu hal yang perlu kamu bawa pulang selain urutannya, ini dia: eksperimen itu bukan formalitas. Model bahasa masih punya tiga masalah yang belum selesai.

• Halusinasi. Menghasilkan hal yang terdengar benar tapi tidak ada dasarnya.
• Terlalu percaya diri. Nada jawabannya sama meyakinkannya baik waktu benar maupun waktu salah. Ini yang bikin halusinasi berbahaya.
• Terasa robotik. Untuk apa pun yang menyentuh pelanggan, ini masalah nyata.

Kalau kamu melewati tahap eksperimen dan langsung menerapkan sesuatu ke banyak orang, ketiganya akan muncul di depan orang lain, bukan di depan kamu.

Contohnya tidak perlu jauh-jauh, dan tidak terjadi di perusahaan kecil yang tidak punya proses.

Oktober 2025, KPMG menerbitkan laporan berjudul Total Experience: Redefining Excellence in the Age of Agentic AI. Juni 2026, laporan itu ditarik. Tinjauan forensik oleh GPTZero menemukan bahwa dari 45 kutipan di laporan itu, hanya lima yang benar-benar mengarah ke sumber yang sesuai. Sisanya mulai dari yang menyesatkan sampai yang sumbernya tidak bisa ditelusuri sama sekali.

Yang lebih menohok, laporan itu ditarik setelah beberapa organisasi yang namanya dicatut, termasuk UBS, NHS Greater Manchester, Swiss Federal Railways, dan Transport for London, menyatakan informasi tentang penggunaan teknologi di tempat mereka keliru. KPMG menyatakan laporannya sudah dihapus dan mereka sedang menelaah bagaimana itu bisa terbit. Detailnya bisa dibaca di liputan The Register.

Ini bukan kasus tunggal. Sebelumnya Deloitte mengembalikan sebagian bayaran ke pemerintah Australia untuk laporan senilai 439 ribu dolar Australia setelah ditemukan referensi ke penelitian yang tidak pernah ada dan kutipan putusan pengadilan yang dikarang (CFO Dive).

Poin saya bukan "makanya jangan pakai AI". Poin saya: perusahaan-perusahaan itu punya proses review yang jauh lebih ketat dari kebanyakan bisnis di Indonesia, dan tetap kebobolan. Yang membedakan bukan seberapa canggih tools-nya, tapi seberapa jujur tahap pengecekannya. Itulah kenapa pertanyaan keempat di tabel tadi ada di situ.

Latihan Sepuluh Menit

Kalau kamu mau berhenti membaca dan mulai melakukan sesuatu, ini titik masuk yang paling murah.

Buka platform AI yang paling sering kamu pakai, lalu paste ini:

Berdasarkan apa yang kamu tahu tentang saya dan pekerjaan saya, sebutkan tiga tugas yang cocok jadi kandidat untuk dibantu AI. Prioritaskan tugas yang berulang, makan waktu terlalu banyak, dan hasilnya gampang saya cek.

Hasilnya belum tentu tepat. Tapi gunanya bukan itu. Gunanya memaksa kamu melihat pekerjaan kamu sendiri sebagai kumpulan tugas yang bisa dinilai satu per satu, bukan sebagai satu gumpalan yang mustahil disentuh.

Lalu jalankan tiga kandidat itu melalui empat pertanyaan di atas. Biasanya dua langsung gugur, dan yang satu itulah tempat kamu mulai minggu ini.

Bottom Line

Kalau seluruh tulisan ini harus diringkas jadi tiga kalimat:

1. Mulai dari diri sendiri. Cari satu tugas yang berulang, makan waktu, kamu paham, dan tidak kamu nikmati.
2. Mulai dari yang murah. Chat, prompt template, shared project, custom GPT. Jangan investasi besar sebelum tahu apa yang benar-benar jalan.
3. Kembangkan yang terbukti. Setelah jalan untuk kamu, tularkan ke tim, jadikan alur kerja, otomasi sebagiannya, lalu bangun agent atau aplikasi kalau memang perlu.

Urutan itu terdengar lambat. Praktiknya justru lebih cepat, karena kamu tidak menghabiskan enam bulan membangun sesuatu yang ternyata tidak dipakai siapa-siapa.

Kalau kamu sudah sampai di titik "ini jalan untuk saya, sekarang gimana caranya tim ikut", itu masalah yang berbeda dan cukup panjang untuk dibahas sendiri. Saya tulis di Cara Melatih Tim agar Paham AI Tanpa Bikin Program Training.